Qualquer teste realizado em uma determinada população, deve ser capaz de calcular sensibilidade, especificidade, valor preditivo positivo, e valor preditivo negativo, para determinar a utilidade do teste na detecção de uma doença particular ou característica da população. Se quisermos usar um teste para testar certas características em uma população de amostra, o que precisamos saber é:
- Qual é a probabilidade de este teste detectar existência certas características de uma pessoa com tais características (sensibilidade)?
- Qual é a probabilidade de este teste detectar ausência certas características de uma pessoa quem não tem essas características (especificidade)?
- Qual é a probabilidade de alguém que tem os mesmos resultados de teste positivo verdadeiramente tenho essas características (valor preditivo positivo)?
-
Qual a probabilidade de uma pessoa cujos resultados de teste negativo verdadeiramente não tem essas características (valor preditivo negativo)?
Esses valores são muito importantes para calcular para determinar se um teste é útil para medir certas características em uma determinada população.
Este artigo mostrará como calcular esses valores.
Etapa
Método 1 de 1: contar a si mesmo
Etapa 1. Defina a população a ser amostrada, por exemplo, 1000 pacientes em uma clínica
Etapa 2. Determine a doença ou característica desejada, por exemplo, sífilis
Etapa 3. Ter um padrão ouro padrão para determinar a prevalência da doença ou as características desejadas, por exemplo, documentação microscópica de campo escuro da bactéria Treponema pallidum a partir de fragmentos de úlcera sifilítica, em colaboração com achados clínicos
Use o teste padrão ouro para determinar quem tem as características e quem não tem. Como ilustração, digamos que 100 pessoas tenham a característica e 900 não.
Etapa 4. Realize o teste no qual está interessado para determinar sua sensibilidade, especificidade, valor preditivo positivo e valor preditivo negativo para esta população
Em seguida, faça o teste para todos na população de amostra. Por exemplo, digamos que este seja um teste rápido de reagina plasmática (RPR) para rastrear sífilis. Use-o para testar 1000 pessoas em uma amostra.
Etapa 5. Para as pessoas que têm as características (conforme determinado pelo padrão ouro), registre o número de pessoas com teste positivo e o número de pessoas com resultado negativo
Faça o mesmo para pessoas que não possuem as características (conforme definido pelo padrão ouro). Você terá quatro números. Pessoas que têm as características E os resultados dos testes são positivos são verdadeiros positivos (verdadeiros positivos ou TP). Pessoas que têm as características E os resultados dos testes são negativos são falsos negativos (falsos negativos ou FN). Pessoas que não têm as características E os resultados dos testes são positivos são falsos positivos (falsos positivos ou FP). Pessoas que não têm as características E os resultados dos testes são negativos são verdadeiros negativos (verdadeiros negativos ou TN). Por exemplo, suponha que você tenha realizado um teste RPR em 1000 pacientes. Entre os 100 pacientes com sífilis, 95 deles tiveram resultado positivo, enquanto os 5 restantes foram negativos. Entre os 900 pacientes que não tinham sífilis, 90 testaram positivo e os 810 restantes foram negativos. Neste caso, TP = 95, FN = 5, FP = 90 e TN = 810.
Etapa 6. Para calcular a sensibilidade, divida TP por (TP + FN)
No exemplo acima, o cálculo é 95 / (95 + 5) = 95%. A sensibilidade nos diz a probabilidade de o teste dar um resultado positivo para uma pessoa que tem a característica. Entre todas as pessoas que possuem a característica, qual proporção testou positivo? A sensibilidade de 95% é boa o suficiente.
Etapa 7. Para calcular a especificidade, divida TN por (FP + TN)
No exemplo acima, o cálculo é 810 / (90 + 810) = 90%. A especificidade nos fala sobre a probabilidade de um teste dar um resultado negativo em alguém que não possui a característica. Entre todas as pessoas que não possuem a característica, qual proporção teste negativo? A especificidade de 90% é suficiente.
Etapa 8. Para calcular o valor preditivo positivo (NPP), divida TP por (TP + FP)
No contexto acima, o cálculo é 95 / (95 + 90) = 51,4%. Um valor preditivo positivo informa a probabilidade de uma pessoa ter a característica se o resultado do teste for positivo. Entre todos aqueles com teste positivo, que proporção realmente apresenta a característica? NPP 51,4% significa que se o resultado do seu teste for positivo, a probabilidade de realmente sofrer da doença em questão é de 51,4%.
Etapa 9. Para calcular o valor preditivo negativo (NPN), divida TN por (TN + FN)
Para o exemplo acima, o cálculo é 810 / (810 + 5) = 99,4%. Um valor preditivo negativo informa a probabilidade de uma pessoa não ter uma característica se o resultado do teste for negativo. Entre todos aqueles com teste negativo, que proporção realmente carece das características em questão? NPN 99,4% significa que se o resultado do teste de uma pessoa for negativo, a probabilidade de não ter a doença nessa pessoa é de 99,4%.
Pontas
- Precisão, ou eficiência, é a porcentagem dos resultados do teste corretamente identificados pelo teste, ou seja, (verdadeiro positivo + verdadeiro negativo) / resultado total do teste = (TP + TN) / (TP + TN + FP + FN).
- Um bom teste de triagem tem alta sensibilidade, porque você deseja obter tudo o que tem certas características. Os testes com uma sensibilidade muito alta são úteis para descartar uma doença ou característica se o resultado for negativo. ("SNOUT": regra de sensibilidade OUT)
- Tente fazer uma mesa 2x2 para ficar mais fácil.
- Entenda que a sensibilidade e a especificidade são propriedades intrínsecas do teste que não depende da população existente, ou seja, os dois valores devem ser iguais se o mesmo teste for realizado em populações diferentes.
- Um bom teste de verificabilidade tem uma alta especificidade, porque você deseja que o teste seja específico e não rotule erroneamente as pessoas que não têm a característica, presumindo que a tenham. Os testes que têm uma especificidade muito alta são úteis para cercar certas doenças ou características se o resultado for positivo. ("SPIN": regra de especificidade IN)
- O valor preditivo positivo e o valor preditivo negativo, por outro lado, dependem da prevalência dessa característica em uma determinada população. Quanto mais rara a característica procurada, menor o valor preditivo positivo e maior o valor preditivo negativo (porque a probabilidade pré-teste é baixa para características raras). Por outro lado, quanto mais comum for uma característica, maior será o valor preditivo positivo e menor será o valor preditivo negativo (porque a probabilidade pré-teste é alta para a característica comum).
- Tente entender bem esses conceitos.
